- 综合排序
- 最热优先
- 最新优先
- 来自专栏阶梯计划
DeepFlow本地构建1——Agent
OS：windows11 WSL2容器：Docker Desktop镜像：ghcr.io/deepflowio/rust-build:1.18（根据时间采用最新的）代码版本：v6.2.62 启动构建环境本地先准备先下载好代码 name=dfbuild --network=host -v e:/deeflow:/deepflow -itd ghcr.io/deepflowio/rust-build:1.18 /bin/sh3 构建Agent cargo/configRUSTFLAGS="-D warnings" && cargo build --release && cargo build --release --bin deepflow-agent-ctl 由于DeepFlow的Agent是采用Rust编写的，所以最终生成的文件中不会包含eBPF内核态的elf文件，因为字节码已经编译链接到Agent的二进制文件中，这也是Rust的优势。
1.1K30编辑于 2023-04-21 - 来自专栏Hermes Agent 爱马仕
🔥🔥🔥🐎Hermes Agent ：本地部署好以后，怎么使用？
Hermes Agent新手入门教程：从零开始，手把手教你“养马”（附完整案例） 2026年，AI Agent赛道最火的不是OpenClaw，而是Hermes Agent（爱马仕）。 Hermes Agent是什么？ 第一部分：准备工作（10分钟）1.1 选择部署方式Hermes Agent不依赖本地电脑，推荐部署在云服务器上，实现7×24小时在线。 以下是三种主流方案： 部署方式成本难度适合人群阿里云轻量应用服务器38-199元/年★☆☆☆☆新手首选，零代码部署阿里云计算巢约0.254元/小时★☆☆☆☆短期体验、弹性使用本地部署（WSL2 ）免费★★★☆☆技术爱好者、本地测试 新手推荐：选择阿里云轻量应用服务器，预装Hermes Agent镜像，买完就能用，不用自己配环境。
2K12编辑于 2026-04-22 - 来自专栏Hermes Agent 爱马仕
🔥🔥🐎Hermes Agent --教你本地部署：保姆级
Hermes Agent本地部署完全指南：从零到一，手把手教你“养马”（附完整案例） Hermes Agent（爱马仕）是2026年最火的AI智能体项目，GitHub星标突破6.6万，登顶全球编程应用榜首 关键词：Hermes Agent、爱马仕、本地部署、WSL2、AI智能体、自我进化、微信接入、模型配置标签：#HermesAgent #爱马仕 #本地部署 #AI智能体 #WSL2 #微信机器人 写在前面 ：Hermes Agent是什么？ 为什么值得本地部署？ 优势说明数据隐私所有对话记录、记忆、技能文件存储在本地，不上传云端成本可控可接入本地Ollama模型，零API成本；或选择低成本API7×24小时运行部署在本地服务器或NAS上，全天候待命完全掌控可自由修改配置
2K20编辑于 2026-04-22 - 来自专栏AI
AI Agent实战：基于ReAct与FunctionCalling构建本地编程助手
摘要：本文通过一个从零构建的本地编程助手Agent项目，详解FunctionCalling如何与ReAct（推理-行动）模式协同工作，实现大模型对文件系统的增删改查操作。 在讲概念之前，先讲一个代码样例（github地址：https://github.com/coder-sswdg/myAIAgent/tree/main），该样例是作者从0开始创建的一个本地编程Agent def main(): """ 主函数：启动交互式命令行界面 """ print(" 欢迎使用本地编程助手 Agent") #print("输入您的需求，例如 = simulate_llm(messages) print(f" Agent：{agent_response}") # 检查是否已有最终答案 if " 理解了这一点，也就可以理解为什么同样的功能，针对不同的Agent都需要挨个实现一遍，因为Function就在Agent内部。
47610编辑于 2026-03-03 Hermes Agent 本地安装保姆级教程：MacLinuxWindows 全平台覆盖
展开代码语言：BashAI代码解释brewinstallpython@3.12node步骤2：一键安装HermesAgent展开代码语言：BashAI代码解释curl-fsSLhttps://hermes-agent.org sudoaptupgrade-ysudoaptinstall-ypython3.12python3.12-venvnodejsnpmgitripgrep步骤2：一键安装展开代码语言：BashAI代码解释curl-fsSLhttps://hermes-agent.org sudoaptupgrade-ysudoaptinstall-ypython3.12python3.12-venvnodejsnpmgitripgrepcurl-fsSLhttps://hermes-agent.org hermesinithermesstart验证安装展开代码语言：BashAI代码解释hermes--version#查看版本hermesstatus#检查运行状态hermeschat#进入交互式对话升级到云端本地安装适合体验和开发场景 建议先用curl-fsSLhttps://hermes-agent.org/install.sh|less审查脚本内容。Q2：安装后配置文件在哪里？
16.5K32编辑于 2026-04-15- 来自专栏Zabbix中国官方
Hermes agent+本地大模型，让Zabbix听懂人话
agent是一款开源的智能化运维代理工具，能够对接本地或云端的大语言模型（LLM），通过自然语言交互自动执行监控配置、数据查询、性能分析等任务。 本文档详细介绍如何通过LM Studio调用本地部署的Google Gemma4开源大模型，配置Hermes agent，实现对Zabbix监控系统的智能化操作，提升运维管理效率。 格式的 API 端点，记录该链接，后续用于 Hermes agent 配置，如下图： 后台操作系统请求LM Studio中提供的本地模型接口，获取支持的大模型信息，如下图： 三、Hermes agent ，如下图： 配置对接LM Studio中提供的本地大模型，如下图： 执行Hermes agent配置查看命令： hermes config Hermes agent配置信息如下图： 4.2 测试连接 更换其他大模型：Hermes agent支持 OpenAI API 格式的任何模型（包括 GPT-4、Claude、本地 Ollama 等）。
31810编辑于 2026-05-13 Claude Code 架构拆解：一个本地 agent 运行时
ClaudeCode架构拆解：一个本地agent运行时很多人把ClaudeCode当成一个终端里的codingagent，但从这批源码材料看，它更接近一套分层完整的本地agent运行时。 它更像一套终端优先的本地应用，前面是一层TUI，后面是一整套agent运行时。 bridge/和remote/说明它已经不只是本地REPL源码里至少能看出两套不同的远端栈：bridge/这是把本地机器变成远端控制worker的那层。 “本地机器被远端控制”remote/是“本地客户端连接远端session”而它们最后还要回到同一套工具语义和权限语义上。 这也是为什么ClaudeCode的产品边界已经不是单一本地REPL了。
44610编辑于 2026-04-10QClaw本地部署实测｜零代码落地、本地隐私防护，企业轻量化AI Agent部署指南
一、QClaw技术定位与核心架构概述QClaw基于OpenClaw开源框架封装，是腾讯电脑管家推出的轻量化本地AI智能体，核心技术定位为「本地执行+微信直连+隐私计算」，解决传统AIAgent部署门槛高 模型适配：轻量任务（文件重命名、简单查询）使用本地内置模型；复杂任务（代码生成、多步骤编排）可切换至企业私有模型，平衡效率与精度。 、传统云AIAgent与实在Agent企业版的技术差异，为企业选型提供参考：对比维度QClaw本地部署传统云AIAgent实在Agent企业版数据安全本地执行，零数据上传数据需上传云端，存在出境风险支持本地 开发成本高低代码技能开发，适配企业复杂跨系统场景选型建议：小型企业优先选择QClaw标准部署，快速落地轻量化AI自动化；中型企业可采用QClaw+私有模型组合，平衡部署效率与数据安全；大型企业可考虑实在Agent 六、技术总结QClaw本地部署的核心优势在于「零代码、本地执行、微信直连」，大幅降低了AIAgent在企业的落地门槛，适合非核心业务场景的自动化试点。
2.1K00编辑于 2026-03-30- 来自专栏大模型系列
Windows 本地部署 Hermes Agent！完整安装教程 + 飞书接入，全程避坑
在Ubuntu终端中粘贴并运行：展开代码语言：BashAI代码解释curl-fsSLhttps://raw.githubusercontent.com/NousResearch/hermes-agent 配置完成后，你可以通过hermes命令直接与Agent对话，测试其基本功能。避坑提示：网络问题：如果curl命令卡住或失败，很可能是网络问题。请确保你的WSL2能正常访问GitHub。
15.5K22编辑于 2026-04-13 - 来自专栏机器学习与统计学
一个超强的代码Agent大模型，开源了，本地部署
Mistral AI 是一家位于法国的人工智能初创公司，成立于 2023 年 4 月。由曾在 Google DeepMind 工作的 Arthur Mensch，以及曾在 Meta AI 工作的 Guillaume Lample 和 Timothée Lacroix 共同创立。
69010编辑于 2025-06-04 Hermes Agent + Ollama 纯本地运行：不联网也能用的 AI 智能体
为什么要纯本地运行？ 虽然云端API（如DeepSeek、Claude）很方便，但有些场景需要完全本地化：安全合规：处理敏感数据，不允许数据离开本地网络网络受限：部署在内网环境或网络不稳定的地区零成本：不想花一分钱API费用隐私极客 ───────────────────────┐│你的电脑/服务器││││┌──────────────┐┌──────────────┐│││HermesAgent│──│Ollama││││││(本地模型 ollamapullqwen2.5:7b#如果内存充足（16GB+）ollamapullqwen2.5:32b步骤3：安装HermesAgent展开代码语言：BashAI代码解释curl-fsSLhttps://hermes-agent.org ：Telegram等在线平台无法使用，但WebUI仍可在内网访问系统时间需同步：Cron定时任务依赖准确的系统时间混合模式也可以配置"混合模式"——简单任务用本地模型，复杂任务用云端API：展开代码语言
8.9K10编辑于 2026-04-15- 来自专栏技术人说
纯Windows安装OpenClaw，RTX显卡直驱本地AI Agent
OpenClaw 这玩意儿，在 Windows 上的原生兼容性，说难听点，基本没法用。官方明确建议 Windows 用户通过 WSL 来安装，原生 PowerShell 安装虽然能跑，但开发者自己都不推荐，因为不稳定。
2.4K43编辑于 2026-03-09 - 来自专栏大模型系列
Windows 本地部署 Hermes Agent 安装教程 + 飞书接入，会自我进化AI Agent 智能体（全程避坑，亲测有效）
导语： 谁说强大的 AI Agent 只能在 Linux 上运行？ 本指南将手把手带你完成从 零配置 WSL2 到 成功部署 Hermes Agent，再到 接入飞书机器人 的全过程。 配合 WSL2，你甚至能以 5 美元/月 的成本（本地 PC + 免费模型 API）养一个 7×24 小时在线的数字员工！ ⚠️ 重要前提：为什么必须用 WSL2？ 加入 Hermes Agent 中文社区，获取最新插件和最佳实践！ 本文是 Hermes Agent 的“能跑起来”阶段。 但真正的生产力革命，在接下来3篇： 5分钟定位线上故障：Agent 自动拉取 Prometheus 日志 + 关联告警，生成根因报告（附可运行脚本） 周报0人工：每周一早8点，Agent 自动汇总代码提交
15.8K551编辑于 2026-04-16 - 来自专栏Agent大模型工坊
Windows搭建Agent开发平台-WSL2+Dify本地部署及开发指南
本指南通过使用WSL2（Windows Subsystem for Linux 2）与Dify构建本地化的AI应用开发平台。 项目可通过本地方式轻松与其他Windows工具（如IDE、Office工具）进行配合，大大提高效率。WSL2提供了完整的Linux内核支持，可流畅运行Docker及相关容器化工具。 （二）核心组件解析Dify：可视化LLM应用开发平台Dify是开源的 LLM 应用开发平台，提供从 Agent 构建到 AI workflow 编排、RAG 检索、模型管理等能力，轻松构建和运营生成式
5.4K21编辑于 2025-02-11 - 来自专栏【腾讯云开发者】
解构Clawdbot：本地架构、记忆管理、Agent 编排与上下文组装原理
关注腾讯云开发者，一手技术干货提前解锁 01 Clawdbot 技术方案 Clawdbot（现名 OpenClaw） 是一个 Local-First (本地优先) 的 AI Agent 运行时环境，旨在将大模型 （LLM）的能力与用户的本地系统、工具链和通讯软件深度结合。 不同于沙盒化的Agent，它可以真正管理文件、运行脚本、部署代码。 私有记忆 (Privacy-First Memory)： 基于 sqlite-vec + 本地 Markdown 文件。 子 Agent 在独立上下文中运行，完成后回调主 Agent。 clawdbot这套方案，严重依赖模型能力和上下文能力； query： 大白是谁 本地模型：已经忘记了大白 云端大模型：自己会读USER.md，继续理解用户 Query： 小白是谁 本地模型：已经忘记了小白
2.7K10编辑于 2026-02-03 - 来自专栏山行AI
如何用CrewAI和Ollama本地构建创作blog的Multi-Agent工作流
Ollama[1] 是一个开源应用程序，允许你在MacOS、Linux和Windows上使用命令行界面本地运行、创建和分享大型语言模型。 •成本效益：在本地运行模型意味着你不需要承担云端费用。你的钱包会感激你。•隐私：使用 OLLAMA，所有数据处理都在你的本地机器上进行。这是用户隐私的一大胜利。 , 允许委派=False, llm=llm, 详细=True ) 内容编辑代理 editor = Agent( 角色="编辑", 目标="编辑给定的博客文章，使其符合" "组织 'https , agent=planner, ) 创建写作任务 write = Task( description=( "1. 使用内容计划撰写一篇引人入胜的博客文章，主题为{topic}。 , agent=writer, ) 创建编辑任务 edit = 任务( 描述=("校对给定的博客文章，检查 " "语法错误和 " "与品牌声音的一致性。")
3.1K10编辑于 2024-06-07 - 来自专栏HUMAN3.0
Agent Skills实战：Markdown本地图片一键替换成图床URL
我写技术文章基本是固定流程：VS Code 里用 Markdown 写正文，截图/流程图都丢到本地目录下，本地预览一切正常。 先说结论：这个流程应该被AI“技能化”，也就是现在很火的Agent Skills 我后来不再纠结“有没有更好用的图床插件”，而是换了一个角度看这件事： 这不是工具问题，而是流程问题。 ，发布直接翻车） 非常适合做成一个“可复用技能（Agent Skill）”。 Agent Skills 是怎么介入的？ 我给这件事下了一个明确目标： 一句话，完成整篇 Markdown 的图片替换。 本地搭建 PicList，并注册 Cloudflare R2，先打通手动上传图片的链路，这个过程可以直接问AI搞定，我就是这么做的 再把“图片替换”做成你的第一个 Agent Skill，让大模型来调用
25110编辑于 2026-02-27 Windows本地部署Hermes Agent，小白也能一次成功的超详细教程!
最近被Hermes Agent种草了，翻了一圈教程——好家伙，全是Linux/macOS的，Windows用户仿佛不存在。行吧，自己动手。 折腾了两天，踩了三个坑，终于跑通了。 二、在 WSL2 里安装 Hermes Agent 现在操作环境切换到了 WSL2 的 Ubuntu 终端 1.一键安装脚本 在 Ubuntu 终端中粘进去跑就行(Linux / macOS同理)： curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash 这个脚本会自动搞定
4.8K20编辑于 2026-04-23- 来自专栏Agent Apps
告别Agent Skills, 拥抱 Agent Apps
这正是面向Agent的TUI（AOTUI）要回答的问题。是什么：一种新的界面范式面向Agent的文本用户界面（AOTUI）是一种以LLMAgent为一等公民的界面范式。 没有鼠标点击，Agent调用Tool/Funtion。没有视觉提示（颜色、布局、头像），数据通过文本引用来引用。简言之：AOTUI就是当你为模型而非人类设计时，用户界面的样子。 AOTUI如何重建桥梁AOTUI为没有鼠标的Agent解决了问题的三个部分——识别、选择和触发。 下一步：[认识Agentina→](https://agentina-agent-apps.vercel.app/en)—基于AOTUI构建的Agent应用宿主。
24510编辑于 2026-03-06 开源项目观察｜ds4：本地 Agent 推理，不只是把模型跑起来
表面上看，它是在做“本地跑大模型”；实际上ds4有意思的地方在于，它把本地推理往Agent工作流这一层推进了一步。 被放弃的通用性很多本地推理Agent项目会追求通用性：支持更多模型、更多格式、更多硬件、更多后端。但ds4走的是反方向。 Agent场景下的本地推理难点以前讨论本地推理，大家最容易只关注几个指标：模型能不能跑、速度多少token/s、显存或内存占用多少、量化后质量掉了多少。这些当然重要，但Agent场景会把问题变复杂。 总之，它像是一个方向明确的工程实验：在高端个人机器上，把一个足够大的本地模型做成可以被Agent使用的端到端系统。 它真正踩中的，是开发者对本地Agent的一个长期期待：当模型能力和个人硬件都继续往前走，本地推理能不能不只是试玩，还成为一套可工作的基础设施？这种关注也已经开始外溢到周边项目。
29310编辑于 2026-05-12
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号